Przeprowadzka Średnia. Ten przykład uczy, jak obliczyć średnią ruchową serii czasowej w programie Excel Średnia średnica ruchoma służy do wygładzania szczytów i dolin niezgodności w celu łatwego rozpoznania trendów.1 Po pierwsze, spójrzmy na nasz szereg czasowy.2 Na karcie Dane kliknij pozycję Analiza danych. Należy nacisnąć przycisk Analiza danych Kliknij tutaj, aby załadować dodatek Analysis ToolPak.3 Wybierz Średnia ruchoma i kliknij przycisk OK.4 Kliknij pole Zakres wejściowy i wybierz zakres B2 M2. 5 Kliknij w polu Interwał i wpisz 6.6 Kliknij w polu Zakres wyjściowy i wybierz komórkę B3.8 Wykres wykresu tych wartości. Instrukcja, ponieważ ustawiamy przedział na 6, średnia ruchoma jest średnią z poprzednich 5 punktów danych i bieżący punkt danych W rezultacie szczyty i doliny są wygładzone Wykres pokazuje tendencję wzrostową Excel nie może obliczyć średniej ruchomej dla pierwszych 5 punktów danych, ponieważ nie ma wystarczająco dużo poprzednich punktów danych.9 Powtórz kroki od 2 do 8 dla przedziału 2 i przedziału 4. Konkluzja La rger odstępu, im więcej pików i dolin są wygładzane Im krótszy odstęp, im przybliżone są średnie ruchome są rzeczywistymi punktami danych. EMA Jak obliczyć to. Obliczanie średniej ruchomej wykładniczej - samouczek. Exponetial Moving Average EMA dla krótkich jest jednym z najczęściej używanych wskaźników w analizie technicznej dzisiaj Ale jak obliczyć to dla siebie, używając papieru i pióra lub preferujesz wybrany program arkusza kalkulacyjnego Pozwól dowiedzieć się w tym wyjaśnieniu obliczenia EMA. Obliczanie średniej ruchomej wykładniczej EMA jest oczywiście zrobione automatycznie przez większość oprogramowania do handlu i analizy technicznej tam dzisiaj. Oto jak to obliczyć ręcznie, co również zwiększa zrozumienie, jak to działa. W tym przykładzie obliczymy EMA za cenę akcji Chcemy 22-dniowa EMA, która jest wspólną ramą czasową długiej EMA. Formuła obliczania EMA jest następująca. EMA Cena tk EMA y 1 kt dzisiaj, wczoraj, N liczba dni w EMA, k 2 N 1.Use t wykonaj kroki w celu obliczenia 22-dniowej EMA.1 Zacznij od obliczenia k dla danego przedziału czasowego 2 22 1 0,0869.2 Dodać ceny zamknięcia za pierwsze 22 dni i podzielić je przez 22,3 Teraz jesteś gotowy, aby rozpocząć otrzymywanie pierwszej EMA dzień biorąc dzień następny dzień 23 cena zamknięcia pomnożona przez k następnie mnożenie średniej ruchomej dnia poprzedniego o 1 k i dodaj dwie. 4. Wykonaj krok 3 w każdym dniu, aby uzyskać pełny zakres EMA. To oczywiście można umieścić w programie Excel lub innym oprogramowaniu arkusza kalkulacyjnego, aby wykonać proces obliczania półautomatycznego obliczania EMA. Aby uzyskać algorytmiczny widok na to, co można to zrobić, zobacz poniżej. public float CalculateEMA float todaysPrice, float numberOfDays, float poniedziałek, poniedziałek, sobota, poniedziałek, sobota, poniedziałek, sobota, poniedziałek, sobota, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, poniedziałek, wtorek, poniedziałek, poniedziałek, umieść wyliczoną emę w tablicy ema upewnij się, że wczorajAEM napełniła się EMA używaną tym razem wokół wczorajEMA ema. Zauważ, że jest to kod psuedo Zazwyczaj trzeba wysłać wczorajszą wartość CLOSE jak wczorajAEMA do wczorajszej liczbie obliczeń liczonych od dzisiaj EMA To się dzieje dopiero po pętli, która trwa więcej dni niż liczba dni, w których obliczyłeś EMA. Dla 22-dniowej EMA jest to tylko 23 czas w pętli, a następnie, że wczoraj ema waży EMA nie ma znaczenia, ponieważ potrzebujesz danych z co najmniej 100 dni handlowych na 22-dniową wersję EMA, która będzie ważna. Stanowiska powiązane. Mam ciągłą wartość, dla której chciałbym obliczyć wykładniczą średnią ruchomą Zwykle używam standardu formuła dla tego. where S n jest nową średnią, jest alfa, Y jest próbką, a S n-1 jest poprzednią średnią. Niestety, z powodu różnych problemów nie mam spójnego czasu próbki mogę wiedzieć, że mogę próbkę najwyżej, powiedzmy, raz na milisekundę, ale ze względu na czynniki poza kontrolą, może nie być w stanie pobrać próbki przez kilka milisekund na raz Prawdopodobnie bardziej popularnym przypadkiem jest jednak to, że prosty próbek trochę wcześnie lub późno, zamiast próbkowania w 0, 1 i 2 ms I próbki w 0, 0 9 i 2 1 ms I przewidywania, że niezależnie od opóźnień moja częstotliwość próbkowania będzie daleko, znacznie powyżej limitu Nyquist, a zatem nie muszę się martwić aliasing. I liczyć, że mogę sobie radzić z tym w mniej lub bardziej rozsądny sposób zmieniając alfę odpowiednio w oparciu o długość czasu od ostatniej próby. Partym moim rozumowaniem, że będzie to działało, EMA interpoluje liniowo między poprzednim punktem danych a bieżącym Jeśli rozważymy obliczenie EMA poniższej listy próbek w odstępach t 0,1,2,3,4 Powinniśmy uzyskać taki sam wynik, jeśli używamy interwału 2t, gdzie wejścia stają się 0,2,4, prawda Jeśli EMA przyjął, że w t2 wartość wynosiła 2 od t0, która byłaby taka sama jak obliczenia kalkulacyjne przedziału t ting na 0,2,2,4,4, co nie robi Lub czy to ma sens w ogóle. Czy ktoś mi powiedzieć, jak odpowiednio zmodyfikować alfa Proszę pokazać swoją pracę I e pokaż mi matematykę, która udowodni, że Twoja metoda naprawdę robi dobrze rzecz. asked 21 czerwca 09 w 13 05.You shouldn t uzyskać ten sam EMA dla różnych wejść Pomyśl EMA jako filtr, pobieranie próbek w 2t jest równoważne z pobieraniem próbek, a filtr ma dać inny wyjście Wyraźnie dla mnie, ponieważ 0,2,4 zawiera składowe o wyższej częstotliwości niż 0,1,2,3,4 Jeśli nie mam wątpliwości, jak zmienić filtr w locie, aby uzyskać ten sam wynik Może nie mam coś freespace 21 czerwca 09 na 15 52.Jednak wejście nie różni się, to tylko próbki mniej rzadziej 0,2,4 w przedziałach 2t jest jak 0,, 2, 4 w przedziałach t, gdzie oznacza, że próbka zignorował Curt Sampson 21 czerwca 09 w 23 45. To odpowiedź na moje dobre zrozumienie filtrów dolnoprzepustowych średniej ruchomej jest naprawdę tylko jeden-biegunowy filtr dolnoprzepustowy, ale mój mglisty zrozumienie tego, czego szukasz Myślę, że poniżej jest to, co chcesz. Następnie można uprościć swoje równanie trochę wygląda bardziej skomplikowane, ale to jest łatwiejsze w kodzie I będzie używać Y na wyjście i X na wejście zamiast S dla wyjścia i Y dla wejścia, jak to zrobiłeś. Drugą wartością jest równa 1-e - t, gdzie t jest czasem między próbkami, a jest to stała czasowa filtra dolnoprzepustowego, o którym mówię równa w cudzysłów, ponieważ działa dobrze, gdy t jest niewielkie w porównaniu do 1, a 1-e-tt Ale nie za mała będziesz uruchamiała w kwestiach kwantyzacji, a jeśli nie zastosujesz się do egzotycznych technik, zazwyczaj potrzebujesz dodatkowych N bitów rozdzielczości twoja zmienna stanu S, gdzie N - log 2 W przypadku większych wartości t efekt filtrowania zaczyna zanikać, aż dojdziesz do punktu, w którym znajduje się blisko 1, a ty właśnie po prostu przypisujesz dane wejściowe do wyjścia. To powinno działać poprawnie zmienne wartości t odmiana t nie jest bardzo ważna, jeśli alfa jest mała, othe w przeciwnym razie będziesz uruchamiał się w nieco dziwaczne kwestie Nyquist, aliasing itp., a jeśli pracujesz nad procesorem, gdzie mnożenie jest tańsze niż podział, lub problemy z punktami stałymi są ważne, precalculate 1, i rozważ, próbując zbliżyć formułę. że X jest funkcją kroku jednostkowego, ma rozwiązanie Y 1 - e - t Dla małych wartości t, pochodna może być przybliżona przez Yt , yielding. and ekstrapolacji 1-e-t pochodzi z próby dopasowania się do zachowania z jednostką kroku przypadku przypadku. Proszę rozwinąć próbę dopasowania części zachowań Rozumiem, twój ciągły roztwór Y 1 - exp - t i jego uogólnienie do skalowanej funkcji kroku z wielkością x i warunku początkowego y 0, ale nie widzę, jak połączyć te pomysły, aby osiągnąć twój wynik Rhys Ulerich Maj 4 13 w 22 34. To nie jest kompletna odpowiedź, ale może być początkiem jednego s tak daleko, jak się z tym w ciągu godziny lub tak granie I m delegowania go jako przykład tego, czego szukam, a być może inspiracja dla innych pracujących nad problemem. Zacznę od S 0, która jest średnią wynik z poprzedniej średniej S -1, a próbka Y 0 podjęta w t 0 t 1 - t 0 to mój odstęp próbki i jest ustawiony na dowolny, który jest odpowiedni dla tego przedziału próbki i okresu, w którym chcę przeciętnie. Rozważyłem, co się dzieje jeśli brakuje mi próbki w t1, a zamiast tego muszę zrobić z próbką Y2 podjęta w t2 Cóż, możemy zacząć od rozwinięcia równania, aby zobaczyć, co by się stało, gdybyśmy mieli Y 1. Zauważ, że seria wydaje się rozciągać w nieskończoność w ten sposób, ponieważ możemy zastąpić Sn po prawej stronie na czas nieokreślony. Ok, więc to nie jest naprawdę wielomian głupie mnie, ale jeśli pomnożymy początkowy termin przez jeden, wtedy zobaczymy wzór. Hm to jest wykładnicza seria Zaskoczenie Quelle Wyobraź sobie, że wychodzi z równania dla wykładniczej średniej ruchomej. yway, mam to x 0 x 1 x 2 x 3 rzecz iść I jestem pewien, że mam zapach e lub naturalny logarytm kopanie tutaj, ale nie pamiętam, dokąd zmierzałem następny, zanim zabrakło mi czasu. odpowiedź na to pytanie lub dowód poprawności tej odpowiedzi zależy w dużej mierze od danych, które powtarzasz. Jeśli próbki zostały pobrane w t 0 0 ms t 1 0 9 ms i t 2 2 1 ms, ale wybór jest oparty na 1 - ms-interwały, a zatem chcesz lokalnie dostosować n dowód poprawności wyboru oznaczałoby znajomość wartości próbki w tmmsms i t2ms. To prowadzi do pytania Czy można interpolować dane w sposób rozsądny, aby mieć delikatne przypuszczenie co między wartościami może być albo można nawet interpolować średnią siebie. Jeśli żaden z tych nie jest możliwe, to jeśli to widzę, logiczny wybór między wartości Y t jest ostatnio obliczona średnia, tj. Y t S n gdzie n jest maksymalnie takie, że tn t. Ta decyzja ma prostą konsekwencję Zostaw sam, bez względu na czas różnica, gdyby z drugiej strony możliwe było interpolowanie wartości, to da to uśmiercalne próbki z przedziałami stałymi. Wreszcie, jeśli nawet możliwe jest interpolowanie średniej wartości, to sprawiłoby, że pytanie stało się bez znaczenia. 21 09 at 15 08.balpha 27 2k 10 87 118. Myślę, że mogę interpolować moje dane, biorąc pod uwagę, że próbuję je w dyskretnych odstępach, robię to już standardową EMA. Załóżmy, że potrzebuję dowodu, który pokazuje działa jak i standardowa EMA, która również przyniesie nieprawidłowy wynik, jeśli wartości nie zmienią się dość sprawnie pomiędzy okresami próbkowania Curt Sampson 21 czerwca 09 w 15 21. Ale to właśnie mówię Jeśli weźmie Pan pod uwagę EMA interpolacja wartości, możesz zrobić, jeśli zostawisz alfa tak, jak to jest, ponieważ dodanie najnowszej średniej, ponieważ Y nie zmienia średniej Jeśli mówisz, że potrzebujesz czegoś, co działa, a także standardowej EMA - co jest nie tak z oryginałem Chyba że masz więcej informacji na ten temat t dane, które mierzysz, lokalne modyfikacje alfa będą w najlepszym arbitralnym balpha 21 czerwca o godzinie 15 31. Opuszczę wartość samego alfa i wypełnij brakujące dane. Od kiedy nie wiesz co się dzieje w czasie kiedy możesz próbować próbować, możesz wypełnić te próbki liczbami 0s, lub przytrzymać poprzednią wartość stabilną i użyć tych wartości dla EMA lub niektórych interpolacji wstecznej, gdy masz nową próbkę, uzupełnij brakujące wartości i ponownie przelicz EMA. What Próbuję dostać się na to masz wejście xn, które ma dziury Nie ma sposobu, aby obejść fakt, że brakuje danych Więc można użyć zerowego zlecenia hold, lub ustawić na zero, lub jakiejś interpolacji między xn i xn M, gdzie M jest liczbą brakujących próbek i n początkiem luki Prawdopodobnie nawet przy użyciu wartości przed n. odpowiedzi 21 czerwca 09 w 13 35. Od spędzania godziny lub tak mucking o trochę z matematyki dla tego, ja że po prostu zmieniając alfa faktycznie dają mi właściwą interpolację między nimi wskazuje na to, że mówisz o tym, ale w znacznie prostszy sposób Myślę, że zmiana alfa będzie właściwie dotyczyć próbek pobranych między standardowymi interwałami próbkowania Innymi słowy szukam tego, co opisałeś, ale próbujesz użyć matematyki do dowiedzieć się, prosty sposób to zrobić Curt Sampson 21 czerwca o 14 07. Nie sądzę, że jest taka bestia jako właściwa interpolacja Po prostu nie wiesz co się stało w czasie, gdy nie próbujesz Dobra i zła interpolacja implikuje jakąś wiedzę tego, czego brakowało, ponieważ musisz zmierzyć się z tym, aby ocenić, czy interpolacja jest dobra czy zła Chociaż to powiedzieliśmy, możesz ograniczyć, tzn. przy maksymalnym przyspieszeniu, szybkości itp. Myślę, że jeśli wiesz, jak modelować brakujące dane , to wystarczy tylko modelować brakujące dane, a następnie zastosować algorytm EMA bez zmiany, a nie zmieniać alfa Tylko mój 2c freespace 21 czerwca o godzinie 14 17. To jest dokładnie to, co dostałem w mojej edycji na pytanie 15 minut temu po prostu d o tym, co się stało w czasie, gdy nie próbujesz, ale to prawda, nawet jeśli próbujesz w każdym wyznaczonym przedziale Tak więc moja rozważania Nyquist tak długo, jak wiesz, że forma falowa nie zmienia kierunków więcej niż każda para próbek, przedział próbki nie powinien mieć znaczenia i powinien być w stanie różnić Równanie EMA wydaje mi się dokładnie do obliczenia tak, jakby przebieg zmienił się liniowo od ostatniej wartości próbki do bieżącej Curt Sampson 21 czerwca o godzinie 14 26. Nie sądzę, że jest całkiem prawdziwe twierdzenie Nyquist wymaga co najmniej dwóch próbek na okres, aby móc unikalnie zidentyfikować sygnał Jeśli nie zrobisz tego, otrzymasz aliasing Byłby taki sam jak próbkowanie jako fs1 przez pewien czas, a następnie fs2, a następnie z powrotem do fs1, a otrzymasz aliasing danych, gdy próbki z fs2 if fs2 jest poniżej limitu Nyquist również muszę przyznać, że nie rozumiem co masz na myśli przez zmiany kształtu liniowego od ostatniej próbki do bieżącej Proszę wyjaśnić Cheers, Steve wolna przestrzeń Cze 21 09 w 14 36. To jest podobny do otwartego problemu na mojej liście rzeczy do zrobienia Mam jeden schemat opracował do pewnego stopnia, ale nie ma matematycznej pracy, aby z powrotem tej sugestii yet. Streszczenie Podsumowanie Chciałby utrzymać algorytm wygładzania alfa niezależnie współczynnika kompensacji, które odnoszę się jako beta tutaj Jason s doskonała odpowiedź już zaakceptowana tutaj działa świetnie dla mnie. Jeśli możesz zmierzyć czas, od ostatniej próbki wzięto zaokrąglone wielokrotności stałego czasu próbkowania - więc 7 8 ms od ostatnia próba to 8 jednostek, które mogłyby zostać użyte do wielokrotnego wygładzania razy Zastosuj formułę 8 razy w tym przypadku Skutecznie wygładziłeś się bardziej w kierunku bieżącej wartości. Aby uzyskać lepsze wygładzenie, musimy ulepszyć alfa przy zastosowaniu formuły 8 razy w poprzednim przypadku. Co to będzie wygładzać aproksymacji miss. Nie brakowało już 7 próbek w powyższym przykładzie. Jest to przybliżone w kroku 1 spłaszczone ponownego stosowania bieżącego VA lue dodatkowe 7 razy. Jeśli zdefiniujemy współczynnik aproksymacji beta, który będzie stosowany wraz z alfa jako alfa beta zamiast alfa, będziemy zakładać, że 7 nieodebranych próbek zmieniało się płynnie między poprzednią a aktualną wartością próbki. 21 09 o 13 35. Myślałem o tym, ale trochę mucking z matematyki doprowadziły mnie do punktu, w którym wierzę, że zamiast stosować wzór osiem razy z wartości próbki, mogę obliczyć nowy alfa, który pozwoli mi zastosować formułę raz, i dać mi ten sam wynik Dalsze, automatycznie zajmuje się kwestią próbek przesuniętych od dokładnych czasów próbkowania Curt Sampson 21 czerwca w 13 47. Pojedyncza aplikacja jest w porządku Co ja nie jestem pewien jeszcze jest, jak dobry jest przybliżenie 7 brakujących wartości Jeśli ciągły ruch sprawia, że wartość jitter dużo przez 8 milisekund, przybliżenie może być całkiem od rzeczywistości Ale, a następnie, jeśli próbki na 1ms najwyższej reso lution wykluczenie opóźnione próbki masz już zorientowane jitter w ciągu 1ms nie jest istotne Czy to rozumowanie pracy dla Ciebie nadal próbuje przekonać sam nik Cze 21 09 w 14 08.Right To czynnik beta z mojego opisu Czynnik beta byłby obliczany na podstawie odstępu różnicy i bieżącej i poprzedniej próbki Nowy alfa będzie alfa beta, ale będzie on używany tylko dla tej próbki Chociaż wydaje się, że poruszasz alfa we wzorze, zmierzam do stałego współczynnika wygładzania alfa i niezależnie obliczona beta współczynnik strojenia, który kompensuje próbki utracone właśnie teraz nik Cze 21 09 w 15 23.
No comments:
Post a Comment